Questions tagged «multilabel»

多类问题和多标签问题有什么区别？

52 classification  clustering  terminology  multi-class  multilabel 

考虑一个为您提供KnownLabel矩阵和PredictedLabel矩阵的方案。我想相对于KnownLabel矩阵来衡量PredictedLabel矩阵的优势。 但是这里的挑战是，KnownLabel矩阵只有几行只有一个1，而其他几行却有很多1（这些实例被多重标记）。下面给出了KnownLabel矩阵的示例。 A =[1 0 0 0 0 1 0 0 0 1 1 0 0 0 1 1 0 1 1 1] 在上面的矩阵中，数据实例1和2是单个标签数据，数据实例3和4是两个标签数据，数据实例5是三个标签数据。 现在，我已经使用算法对数据实例的PredictedLabel矩阵进行了处理。 我想知道各种可用于衡量PredictedLabel矩阵相对于KnownLabel矩阵的良好性的度量。 我可以将它们之间的frobeinus规范差异视为衡量标准之一。但是我正在寻找诸如准确性(=Correctly_predicted_instancetotal_instance)(=Correctly_predicted_instancetotal_instance)(= \frac{\text{Correctly_predicted_instance}}{\text{total_instance}}) 在这里，我们如何为多个数据实例定义？Correctly_predictedCorrectly_predicted\rm Correctly\_predicted

25 machine-learning  data-mining  multilabel 

我正在一个5个类的数据集上测试不同的分类器，每个实例可以属于一个或多个这些类，因此我正在使用scikit-learn的多标签分类器sklearn.multiclass.OneVsRestClassifier。现在，我想使用进行交叉验证sklearn.cross_validation.StratifiedKFold。这将产生以下错误： Traceback (most recent call last): File "mlfromcsv.py", line 93, in <module> main() File "mlfromcsv.py", line 77, in main test_classifier_multilabel(svm.LinearSVC(), X, Y, 'Linear Support Vector Machine') File "mlfromcsv.py", line 44, in test_classifier_multilabel scores = cross_validation.cross_val_score(clf_ml, X, Y_list, cv=cv, score_func=metrics.precision_recall_fscore_support, n_jobs=jobs) File "/usr/lib/pymodules/python2.7/sklearn/cross_validation.py", line 1046, in cross_val_score X, y = check_arrays(X, …

20 cross-validation  python  multi-class  scikit-learn  multilabel 

我正在尝试构建多标签分类器，以便使用scikit将主题分配给现有文档 我正在处理我的文档，将它们通过传递给TfidfVectorizer标签，MultiLabelBinarizer并OneVsRestClassifier以SGDClassifier作为估算器创建了。 但是，当测试我的分类器时，我只能得到0.29的分数，对于类似的问题，从我的阅读中得出的分数非常低。我在TfidfVectorizer上尝试了多个选项，例如停用词，单字组，词干，似乎没有什么改变结果。 我还习惯于GridSearchCV为估算器获取最佳参数，目前我对下一步的想法一无所知。 同时，根据我的理解，我无法使用它scikit.metrics，OneVsRestClassifier那么我如何获得一些指标（F1，Precision，Recall等）以找出问题所在？ 我的数据语料库可能有问题吗？ 更新：我也尝试使用CountVectorizer和HashingVectorizer管道化它们，TfidfTransformer但结果相似。所以我猜想词袋方法在标记化领域中表现最好，其余的取决于分类器...

19 scikit-learn  multi-class  multilabel 

随机森林（RF）是一种竞争性的数据建模/挖掘方法。 RF模型具有一个输出-输出/预测变量。 用RF建模多个输出的简单方法是为每个输出变量构造一个RF。因此，我们有N个独立的模型，并且在输出变量之间存在相关性的地方，我们将具有冗余/重复的模型结构。确实，这可能非常浪费。通常，更多的模型变量意味着更多的拟合模型（较少的泛化）。不知道这是否适用于此，但可能适用。 原则上我们可以有一个带有多个输出的RF。预测变量现在是一个向量（n元组）。现在，每个决策树中的决策节点都基于阈值向量拆分目标/预测向量集，我认为该阈值被视为n维空间中的一个平面，因此我们可以确定阈值的哪一侧向量每个目标向量都打开。 决策拆分每一侧的最佳预测值是为每一侧的向量计算的平均值（质心）。 在处理单个变量时找到最佳分割点很简单，而且计算速度快/效率高。对于n元组，我们无法找到最佳拆分（或者至少随着N的增加，它在计算上变得不可行），但是我们可以使用Monte Carlo类型方法（或Monte Carlo和Local的某种混合）找到接近最佳拆分梯度遍历）。 这真的行得通吗？也就是说，它是否可以仅映射训练对而不进行概括？此技术是否已经以其他名称存在？ 您可能还需要考虑这与诸如限制玻尔兹曼机器（RBM）和深度信念网络之类的神经网络之间的关系。

17 machine-learning  cart  random-forest  multilabel 

描述： 让问题域为文档分类，其中存在一组特征向量，每个特征向量属于一个或多个类。例如，文档doc_1可能属于Sports和English类别。 题： 使用神经网络进行分类，特征向量的标签是什么？它是构成所有类的向量，以便对不相关的类赋予0值，对相关的类赋予1值吗？因此，如果类标签的列表为[Sports, News, Action, English, Japanese]，那么对于文档doc_1，标签将为[1, 0, 0, 1, 0]？

12 machine-learning  neural-networks  natural-language  multilabel